Dokładne odtworzenie przebiegu rozmowy wymaga uwzględnienia wielu elementów, które w normalnym słuchaniu mogą pozostać niezauważone. Znaczenie mają nie tylko same słowa, lecz też kolejność wypowiedzi, sposób reagowania rozmówców i fragmenty, w których kilka osób mówi równocześnie. Transkrypcje nagrań są wykorzystywane między innymi przy dokumentowaniu zebrań, rozmów telefonicznych, wywiadów, konsultacji oraz materiałów związanych z różnymi postępowaniami.

Sposób przygotowania zapisu zależy głównie od jego przeznaczenia. Inaczej opracowuje się rozmowę, z której potrzebne są wyłącznie bardzo ważne ustalenia, a zupełnie inaczej materiał wymagający zachowania pełnego brzmienia każdej wypowiedzi. W tym drugim przypadku nie powinno się usuwać powtórzeń, konwertować szyku zdań ani poprawiać wypowiedzi tak, aby brzmiały bardziej formalnie. Wręcz jeżeli rozmówca stosuje niepoprawnych konstrukcji językowych, ich zmiana może wpłynąć na charakter albo znaczenie wypowiedzi. Zapis tekstowy powinien więc odzwierciedlać rzeczywisty przebieg rozmowy, a nie jej późniejszą, poprawioną wersję.

Jednym z trudniejszych etapów pracy jest ustalenie, które fragmenty nagrania można odtworzyć bez wątpliwości. Problemy pojawiają się w szczególności przy słabej jakości dźwięku, nagraniach wykonywanych z wielkiej odległości oraz rozmowach prowadzonych w miejscach publicznych. Dźwięki otoczenia mogą zagłuszać pojedyncze słowa, a niewyraźna wymowa utrudnia rozpoznanie końcówek i nazw własnych. W takich wypadkach samo kilkukrotne odtworzenie pliku nie zawsze wystarcza (zobacz również: stenogram cennik). Zdarza się, że niezbędne jest sprawdzenie szerszego fragmentu, ponieważ dopiero wcześniejsze i późniejsze zdania pozwalają rozpoznać temat wypowiedzi. Nie znaczy to jednakże, że brakujące słowa można uzupełniać na podstawie przypuszczeń. O ile treść pozostaje nieczytelna, powinno się stosownie oznaczyć taki fragment. Jednakowa zasada dotyczy identyfikacji uczestników. Gdy nie ma pewności, kto zabrał głos, lepiej zastosować neutralne oznaczenie niż przypisać wypowiedź niewłaściwej osobie. Ma to znaczenie zwłaszcza w materiałach, w których poszczególne kwestie mogą być w przyszłości analizowane oddzielnie.

W przypadku dokumentów stosowanych w sprawach prawnych szczególne znaczenie ma zgodność zapisu z oryginalnym materiałem. Transkrypcja do sądu powinna przedstawiać wypowiedzi w odpowiedniej kolejności, z zachowaniem rozróżnienia między uczestnikami rozmowy. Ważne jest również uwzględnienie krótkich reakcji, zaprzeczeń, potwierdzeń i pytań, które mogą posiadać znaczenie dla odczytania całego dialogu. Nie należy samodzielnie skracać wypowiedzi tylko dlatego, że niektóre fragmenty wydają się powtarzalne lub mało istotne. W współzależności od celu dokumentu przydatne są znaczniki czasu wskazujące moment rozpoczęcia poszczególnych kwestii. Pozwalają one bardzo szybko znaleźć dobry fragment w nagraniu i porównać go z zapisem tekstowym. Stenogram może także zawierać oznaczenia przerw, niezrozumiałych słów czy wypowiedzi nakładających się na siebie. Trzeba natomiast pamiętać, że szczegółowy zapis rozmowy nie jest tym samym co jej ocena prawna. Nie rozstrzyga samemu o wiarygodności uczestników ani o znaczeniu dowodowym przedstawionych treści. Sposób wykorzystania takiego dokumentu uzależniony jest od wymagań konkretnego postępowania.

Przy opracowywaniu materiałów audio coraz częściej wykorzystuje się programy w sposób automatyczny zamieniające mowę na tekst. Takie rozwiązania mogą zbudować wstępną wersję dokumentu, natomiast ich wyniki nie za każdym razem odpowiadają rzeczywistej treści nagrania. Błędy pojawiają się przy rozpoznawaniu nazwisk, nazw miejscowości, dat, kwot a także wyrazów o podobnym brzmieniu. Dodatkowym ograniczeniem jest trudność w prawidłowym rozdzielaniu wypowiedzi kilku osób, szczególnie gdy rozmówcy sobie przerywają. Z tego powodu automatycznie wygenerowany tekst wymaga sprawdzeniu z oryginalnym plikiem. Warto zwrócić uwagę także na sposób zapisu liczb, skrótów i określeń specjalistycznych, ponieważ ich nieprawidłowa interpretacja może prowadzić do zmiany sensu całego zdania. Osobnego podejścia wymagają nagrania wielojęzyczne, w których uczestnicy przechodzą z jednego języka na drugi lub używają obcojęzycznych nazw. Przygotowany dokument powinien zachowywać spójny układ, ale nie może upraszczać treści kosztem jej dokładności. Znaczenie ma także zgodność tekstu z czasami trwania nagrania oraz właściwe oznaczenie wszystkich miejsc, w których odtworzenie wypowiedzi nie było możliwe.

Zobacz także: transkrypcja nagrań.